XiaoMi-AI文件搜索系统
World File Search SystemBinar
通过稳健加权评分对高维二分类不平衡基因表达数据进行特征选择
摘要：本文提出了一种针对不平衡数据的稳健加权评分 (ROWSU)，用于在存在类别不平衡问题的高维基因表达二分类问题中选择最具判别性的特征。该方法解决了基因表达数据集中类别分布高度倾斜这一最具挑战性的问题之一，该问题会对分类算法的性能产生不利影响。首先，通过从少数类观测值中合成数据点来平衡训练数据集。其次，使用贪婪搜索方法选择最小基因子集。第三，引入一种新的加权稳健评分，其中权重由支持向量计算，以获得一组优化的基因。将基于该方法得分最高的基因与通过贪婪搜索方法选择的最小基因子集相结合，形成最终的基因集。即使在类别分布倾斜的情况下，新方法也能确保选择最具判别性的基因，从而提高分类器的性能。在6个基因表达数据集上评估了所提出的ROWSU方法的性能。以分类准确率和灵敏度作为性能指标，将所提出的ROWSU算法与其他几种最先进的方法进行比较。为了更好地理解结果，还绘制了箱线图和稳定性图。结果表明，所提出的方法优于现有的基于k近邻(kNN)和随机森林(RF)分类器分类性能的特征选择程序。
二进制全聚合物太阳能电池，带有perhalate -...
摘要：全聚合物混合物的形态控制在制造高充分性有机太阳能电池方面是典型但充满挑战的。最近，已批准固体添加剂（SAS）能够调整聚合物的形态：小分子融合了设备的性能和稳定性。Herein, three perhalogenated thiophenes, which are 3,4-dibro- mo-2,5-diiodothiophene (SA-T1), 2,5-dibromo-3,4-diio- dothiophene (SA-T2), and 2,3-dibromo-4,5-diiodothio- phene (SA-T3), were adopted as SAs to optimize the performance of all-polymer organic太阳能电池（APSC）。对于PM6和PY-IT的混合物，受益于孔素化的硫烯和聚合物之间的分子间相互作用，在引入这些SAS之后，可以对分子填料特性进行细微的调节。原位紫外线/VIS测量表明，这些SA可以帮助全聚合物混合物中的形态学演化，从而导致其最佳形态。与PM6：PY-IT的AS-cast设备相比，所有经过处理的二进制设备都显示出增强的功率连接效率，为17.4-18.3％，明显含有的短路电流密度和填充因子。据我们所知，SA-T1处理的二进制二进制排名为18.3％，迄今为止所有二进制APSC中最高。 同时，在其他全聚合物混合物中，SA-T1的通用性得到了一致改进的设备性能。 这项工作为实现高性能APSC提供了新的途径。据我们所知，SA-T1处理的二进制二进制排名为18.3％，迄今为止所有二进制APSC中最高。同时，在其他全聚合物混合物中，SA-T1的通用性得到了一致改进的设备性能。这项工作为实现高性能APSC提供了新的途径。
具有二进制解码器功能的生物混合材料电路的设计
合成生物学应用了电气工程和信息处理的概念，赋予细胞计算功能。将底层分子成分转移到材料中，并根据受电子电路板启发的拓扑结构进行连接，已经产生了执行选定计算操作的材料系统。然而，现有构建块的有限功能限制了将高级信息处理电路实现到材料中。在这里，设计了一组基于蛋白酶的生物混合模块，其生物活性可以被诱导或抑制。在定量数学模型的指导下，遵循设计-构建-测试-学习 (DBTL) 循环，模块根据受电子信号解码器启发的电路拓扑进行连接，这是信息处理的基本主题。设计了一个 2 输入/4 输出二进制解码器，用于检测材料框架中的两个小分子，这些小分子可以以不同的蛋白酶活性形式执行受调节的输出。这里展示的智能材料系统具有很强的模块化，可用于生物分子信息处理，例如在高级生物传感或药物输送应用中。
具有基于错误扩散功能的二进制关键字发现系统
基于二进制的神经网络基于资源约束设备的关键字点（KWS）近年来引起了很多关注。尽管有几项作品证明了它们的成功，但考虑到高精度的语音特征图仍需要满足准确性，仍需要完全二进制KWS系统。这种精确的不匹配导致非二元激活层，从而导致额外的计算成本。在本文中，我们使用二进制神经网络和错误扩散的二进制语音特征提出了一个非常紧凑的KWS系统。该系统消除了所有高精度的多板，并且仅需要对硬件友好的位操作和推理的补充。在Google语音命令上进行的实验表明，我们的二进制KWS系统在1个密钥单词任务上的精度为98.54％，在2个密钥单词任务上的精度为95.05％，表现优于更大尺寸的8位KWS系统。结果证明了完全二进制KWS系统的可行性，并且可以鼓舞硬件实现。索引术语：关键字发现，二进制神经网络，错误扩散，卷积神经网络
现在安全！#926 - 06-06-23 - Windows 平台二进制表
本周我们回来回答我们首先提出的一系列热门问题，包括：惠普有什么新闻？微软为 Windows 11 做了什么，承诺会破坏各种网络连接？OWASP 的新十大担忧是什么？苹果是否帮助 NSA 攻击克里姆林宫？这次事件带来了什么至关重要的启示？谷歌创造了什么新的黑客竞赛？哪些误导性的新美国立法有望在实施之前夭折？TOR 正在采取什么措施来保护自己免受 DoS 攻击？教育机构在网络安全方面投入了多少？乌克兰的民用摄像机会出现什么问题？我们是否正在见证网络雇佣兵的崛起？什么是“Windows 平台二进制表”，我们为什么要关心它，以及如何关闭它？
现在安全！#926 - 06-06-23 - Windows 平台二进制表
本周我们回来回答我们首先提出的一系列热门问题，包括：惠普有什么新闻？微软为 Windows 11 做了什么，承诺会破坏各种网络连接？OWASP 的新十大担忧是什么？苹果是否帮助 NSA 攻击克里姆林宫？这次事件带来了什么至关重要的启示？谷歌创造了什么新的黑客竞赛？哪些误导性的新美国立法有望在实施之前夭折？TOR 正在采取什么措施来保护自己免受 DoS 攻击？教育机构在网络安全方面投入了多少？乌克兰的民用摄像机会出现什么问题？我们是否正在见证网络雇佣兵的崛起？什么是“Windows 平台二进制表”，我们为什么要关心它，以及如何关闭它？
使用二元分类的心脏病预测
CSUSB Scholarworks研究生办公室将该项目带给您免费和公开访问。已被CSUSB Scholarworks的授权管理人所接受，将其纳入电子论文，项目和论文。有关更多信息，请联系Scholarworks@csusb.edu。
超越二元对立——酷儿人工智能，共创包容未来
许多人工智能系统都依赖于标签，即在给定输入后，从一系列标签中选择一种来描述它。面部识别技术也是如此，其输入是一张脸，标签通常基于二进制系统，将数据分为男性/女性、儿童/成人和人类/动物等类别。近年来，计算机科学、人工智能和信息学领域的学者们对面部识别技术在种族和性别方面存在的问题进行了批判性研究，并指出了该技术存在的问题 [1,2,3,4]。先前的研究已经发现了一些关键问题，这些问题引发了人们对该技术的可靠性甚至实用性的担忧。例如，用于训练这些系统的数据通常不具代表性。在大多数情况下，绝大多数是白人和男性，这意味着肤色较深的女性被误分类的比例不成比例，正如对面部识别性别分类系统的综合分析所发现的那样 [1]。此外，训练数据集通常由从社交媒体 [5] 中抓取的图像组成，这意味着（除了隐私问题之外）它们只捕获那些使用社交媒体的人，具体
使用T2 MRI脑图像和CNN二元分类器和DWT
摘要：目的：放射线学家使用磁共振成像（MRI）数据对脑肿瘤进行了手动和无创诊断和非侵入性分类。可能由于人为因素（例如缺乏时间，疲劳和相对较低的经验）而存在误诊的风险。深度学习方法在MRI分类中变得越来越重要。为提高诊断准确性，研究人员强调需要通过使用深度学习方法（例如卷积神经网络（CNN））来开发基于人工智能（AI）系统的计算机辅助诊断（CAD）计算诊断，并通过将其与其他数据分析工具（如波动型波现变换）相结合来改善CNN的性能。在这项研究中，开发了一个基于CNN和DWT数据分析的新型诊断框架，用于诊断大脑中的神经胶质瘤肿瘤以及其他肿瘤和其他疾病，并进行了T2-SWI MRI扫描。这是一种二元CNN分类，将“神经胶质瘤肿瘤”视为阳性，而其他病理为阴性，导致非常不平衡的二元问题。该研究包括对经过MRI的小波变换数据而不是其像素强度值的CNN进行比较分析，以证明CNN和DWT分析在诊断脑胶质瘤时的性能提高。还将提出的CNN体系结构的结果与使用DWT知识的VGG16传输学习网络和SVM机器学习方法进行了比较。此外，没有对原始图像应用预处理。使用的图像是与轴向平面平行的T2-SWI序列的MRI。方法：为了提高CNN分类器的准确性，拟议的CNN模型用作知识，通过将原始MRI图像转换为频域而提取的空间和时间特征，通过执行离散小波转换（DWT），而不是传统上使用的原始扫描以Pixel Intomesition的形式进行。首先，对每次MRI扫描进行了一个压缩步骤，该DWT施加了三个级别的分解级别。这些数据用于训练2D CNN，以将扫描分类为显示神经胶质瘤。拟议的CNN模型对MRI切片进行了培训，该模型源自382名各种男性和女性成年患者，显示出疾病选择的健康和病理图像（显示出神经胶质瘤，脑膜瘤，垂体，垂体，坏死，水肿，非onsence肿瘤，肿瘤，出血性焦点，水肿，缺血性，缺血性区域等）。这些图像由医学图像计算和计算机辅助干预（MICCAI）的数据库以及缺血性的中风病变细分（ISLE）对脑肿瘤细分（BRATS）挑战2016和2017的挑战以及2017年和2017年的挑战，以及在Chania，Crete，Crete，Crete，Crete，Crete，Crete，Saint George中保存的许多记录。结果：通过检查源自190名不同患者的MRI切片（未包含在训练集中），在实验中评估了所提出的框架，其中56％的胶质瘤显示了最长的两个轴小于2 cm，而44％的轴是其他病理效应或健康的病例。结果表明，当使用AS信息时，令人信服的性能是原始扫描提取的空间和时间特征。使用拟议的CNN模型和DWT格式的数据，我们实现了以下
使用协作尖峰神经网络求解二次不受约束的二进制优化
摘要 - 次数不受约束的二进制优化（QUBO）问题成为一种有吸引力且有价值的优化问题，因为它可以轻松地转换为各种其他组合优化问题，例如图形/数字分区，最大值，SAT，SAT，Vertex，Vertex，Vertex，TSP，TSP等。其中一些问题是NP-HARD，并广泛应用于行业和科学研究中。同时，已经发现Qubo与两个新兴的计算范式，神经形态计算和量子计算兼容，具有巨大的潜力，可以加快未来的优化求解器。在本文中，我们提出了一种新型的神经形态计算范式，该计算范式采用多个协作尖峰神经网络来解决QUBO问题。每个SNN进行局部随机梯度下降搜索，并定期分享全球最佳解决方案，以对Optima进行元效力搜索。我们模拟了模型，并将其与无协作的单个SNN求解器和多SNN求解器进行比较。通过对基准问题的测试，提出的方法被证明在寻找QUBO Optima方面更有效。具体来说，它在无协作和单SNN求解器的情况下分别在多SNN求解器上显示X10和X15-20加速。索引术语 - 数字计算，尖峰神经网络作品，组合优化，QUBO